Joeran Beel教授介绍了他的最新研究，探索了推荐系统的两个关键但经常被忽视的方面：它们的环境影响和数据集选择的是否足够。他的研究揭示了现代推荐系统的惊人环境成本，这表明基于深度学习的推荐系统的二氧化碳排放量是传统方法的42倍，这与长途飞行的碳足迹相关。这个令人震惊的发现要求在推荐系统研究中转向更可持续的实践。除了解决生态足迹外，Beel还使用算法性能空间（APS）引入了一种新颖的数据集评估方法，该框架在多维空间中绘制数据集多样性和算法性能。通过将APS应用于各种数据集，Beel表明，许多常用的数据集（例如来自亚马逊的数据集）太均匀，无法为现代算法提供有意义的挑战。他的工作强调了对更多多样化数据集的需求，并指示研究人员探讨可能驱动该领域下一波创新浪潮的未解决的，未解决的问题。